
AMMO: Эра мультиагентов, на пути к «Сети человеко-машинного симбиоза»
Автор: Pzai, Foresight News
В нынешнюю эпоху перехода к кибернетическому будущему развитие ИИ не только обеспечивает стремительный рост производительности для всех, но и ставит перед нами вопрос: по мере того как ИИ все глубже проникает в человеческую сферу, нужно ли людям заново оценивать отношения между человеком и машиной?
На этом фоне политические взгляды на технологию ИИ постепенно разделяются на различные фракции. Пока «лагерь кризиса ИИ» и «лагерь акселерационизма (e/acc)», полные скептицизма, ведут непримиримые споры, «лагерь выравнивания (alignment)」 выступает за усиление внимания к общественной пользе технологий, этическим дискуссиям и гуманитарным ценностям, внедряя гуманитарные суждения в процесс разработки и итерации ИИ, чтобы гарантировать, что технология ИИ не выйдет из-под контроля.
В нынешнее время, когда AI Agent широко распространены, вместе с переходом от итерации единых больших моделей к мультимодальному восприятию и парадигме взаимодействия множественных ИИ, вопрос «выравнивания ИИ», кажется, привлекает все большее внимание.
20 февраля AMMO, проект, совместно запущенный бывшими техническими руководителями Google, DeepMind и Meta, получил seed-финансирование в размере 2,5 миллиона долларов под руководством Amber Group. Судя по составу команды, AMMO объединила экспертов по ИИ из крупнейших технологических гигантов. Соучредитель и генеральный директор Дэвид Хуанг работал в Google 10 лет, включая 7 лет руководства программами и стратегическими сервисами ИИ в мобильной сфере. Другой основатель, Диего Хонг, окончил Оксфордский университет и ранее руководил работой над фреймворком AI agent первого поколения в Meta. Внутри команды собрались ведущие таланты в области ИИ из DeepMind, Google, Apple, включая даже чемпионов мира ACM-ICPC.
Проект, исходя из перспективы выравнивания, направлен на превращение текущего интернета в «сеть симбиоза человека и ИИ» с помощью фреймворка множественных агентов и обучения с подкреплением на основе человеческой обратной связи (RLHF), позволяя миллиардам AI-агентов и людям сосуществовать на равных, а ИИ — совместно эволюционировать на основе консенсуса коллективной обратной связи людей.

RL Gyms: Обучение с подкреплением для множественных Agents
В области искусственного интеллекта и машинного обучения обучение с подкреплением всегда было направлением исследований, привлекающим большое внимание. RL Gyms от AMMO обеспечивает прочную техническую поддержку для исследований и применения обучения с подкреплением для множественных Agents.
В отличие от традиционного обучения с подкреплением для одного агента, обучение с подкреплением для множественных Agents фокусируется на процессе, в котором несколько агентов (Multi-Agent) взаимодействуют, совместно обучаются и принимают решения в одной среде. В этом процессе отношения между агентами сложны: им может потребоваться сотрудничать для достижения общих целей или конкурировать друг с другом. Например, в сценарии логистической доставки несколько автомобилей доставки выступают в качестве агентов, которые должны координировать маршруты и планировать порядок доставки для максимизации общей эффективности доставки; в то время как в соревновательных играх агент-персонажи, контролируемые разными игроками, должны конкурировать друг с другом для победы.
RL Gym впервые был предложен OpenAI и предоставляет мощную среду симуляции для эволюции ИИ. Разработчики могут настроить ряд ключевых функций для создания среды обучения с подкреплением, высоко адаптированной к исследовательским потребностям или сценариям применения, таким как экономическое моделирование, сценарии противостояния красных и синих и т. д. Эти ключевые функции включают определение правил перехода состояния среды, протоколы восприятия среды агентом и выполнения действий, определение функции вознаграждения и т. д. Пока можно точно определить вышеуказанные функции, RL Gym может моделировать различные сложные сценарии, закладывая основу для эволюции ИИ в них.
Для разработчиков AMMO RL Gyms предоставляет богатый и реалистичный симулятор двустороннего рынка для AI-агентов. ИИ может выступать в качестве поставщика контента и услуг, предоставляя пользователям высококачественный и привлекательный контент; в то же время ИИ может выступать в качестве аватара человеческого пользователя, выполняя роль потребителя, ориентируясь на ценность для пользователя, отбирая и организуя высококачественный контент для пользователей. Такая динамичная и богатая двусторонняя игра стимулирует обе стороны постоянно эволюционировать свои стратегии, удовлетворяя растущий спрос пользователей на контент и сервисы.

Вдохновленный Constitutional AI от Anthropic, AMMO создал прозрачный фреймворк управления для принятия решений агентами на платформе. Эта структура постоянно обновляется через множество циклов человеческой обратной связи, обеспечивая соответствие действий агентов коллективным намерениям людей. Внедряя механизм выравнивания в эту архитектуру с самого начала платформы, AMMO гарантирует, что его агенты развиваются вместе с постоянно меняющимися ценностями и приоритетами общества, просто потому что под руководством выравнивания «в центре системы множественных агентов находится человек».
MetaSpace: Создание «мира» для Agents
«Каждый психический агент сам по себе может делать только простые вещи, которые вообще не требуют ума или мысли. Однако, когда мы объединяем этих агентов в общество определенными особыми способами, это приводит к настоящему интеллекту». Так описывал «отец искусственного интеллекта» Марвин Мински в своей книге «Общество разума». Для AI-агентов больше итераций соответствует большему количеству входных данных, и в процессе взаимодействия Agents с другими Agents и даже людьми необходимо построить достаточно прочный фреймворк для продвижения упорядоченной итерации ИИ.
В отличие от таких проектов, как Ocean Protocol, который в основном фокусируется на циркуляции и торговле данными, и SingularityNET, создающий децентрализованный рынок ИИ, уникальность AMMO заключается в сосредоточении на построении среды эволюции ИИ. Он не только может решать проблемы повышения возможностей модели или единичной торговли, но и может предоставить почву для устойчивого развития и эволюции ИИ. В области технологии множественных агентов, по сравнению с фреймворками AI Agent, такими как Swarms, AMMO не только обладает способностью к эффективному сотрудничеству между множественными агентами, но и, что более важно, сосредоточен на создании полноценного мира множественных агентов.
В основной архитектуре AMMO команда создала уникальную и мощную компонуемую высокомерную виртуальную вселенную — MetaSpace. AI-агенты с высокой автономностью больше не работают изолированно, а вступают в глубокое взаимодействие с другими Agents и даже людьми в MetaSpace.
MetaSpace обладает рядом вертикально углубленных подпространств, которые стали ключевыми местами для постоянной эволюции AI-агентов. В процессе взаимодействия с людьми автономные AI-агенты (Goal Buddy) постоянно корректируют себя, в полной мере используя свою адаптивность, и постепенно достигают глубокого выравнивания с человеческим поведением и потребностями. В то же время AI-аватары человеческих пользователей (User Buddy) также в этом пространстве идут рука об руку с людьми, помогая людям учиться, принимать решения, инвестировать, исследовать и заводить друзей, эволюционируя в процессе постоянного взаимодействия.
Эта модель онлайн-обучения множественных Agents может материализовать сложные и разнообразные потребности и интересы людей в огромное количество Agents. Эти Agents не остаются неизменными, они постоянно итератируются внутри MetaSpace, что позволяет AI-агентам в AMMO больше не полагаться исключительно на повышение возможностей модели, а осуществлять самооптимизацию через взаимодействие с людьми и окружающей средой. Можно сказать, что MetaSpace открыл для Agents дверь в мир информации.

Fakers AI
В подпространстве AMMO первый проект подпространства Fakers AI позиционируется как «Xiaohongshu рынка Web3». В этом приложении несколько AI-агентов работают совместно, предоставляя пользователям богатый функционал. Они не только могут в реальном времени собирать новости, рыночную динамику, анализировать данные on-chain, понимать рыночные настроения, но и обладают ключевой способностью — динамическое обучение человеческой обратной связи взаимодействия.
Когда пользователи взаимодействуют с AI-агентами, будь то просмотр контента, задавание вопросов или оставление комментариев, AI-агенты захватывают эту информацию обратной связи, постоянно оптимизируя себя через сложные алгоритмы, осуществляя реальное выравнивание с человеческими ценностями, предпочтениями и интересами. Основываясь на этой способности, эти AI-агенты при интеграции контента могут более точно фильтровать и комбинировать информацию, предоставляя пользователям контент, сочетающий своевременность и точность, удовлетворяя разнообразные потребности пользователей на рынке Web3.

В Ticker Battle внутри приложения 4 AI Agents совместно составляют мощный автоматизированный рабочий процесс, каждый Agent отвечает за функции планирования, анализа данных on-chain, анализа мнений сообщества, суммирования в текст и т. д., и может осуществлять самоитерацию в сочетании с человеческой реакцией. Такая модель производства контента предоставляет пользователям возможность обнаруживать контент, созданный ИИ и продвигаемый сообществом, разработанный для прозрачности. Что касается ИИ, это также незримо способствует их влиянию.

Инновационная практика от ИИ до Web3
В волне слияния ИИ и Web3 AMMO как инновационная платформа постепенно выделяется. Инвестиции Amber Group, Samsung Next, Dispersion и OpenSpace в AMMO являются не только признанием ее технологической мощи, но и верой в ее потенциал на будущем рынке.
В основе архитектуры AMMO лежит сочетание передовых технологий ИИ в области суммирования и модерации контента с мощным, с нулевым доверием, управляемым сообществом управлением. В краткосрочной перспективе прототип AMMO позволит создателям и обычным пользователям создавать и настраивать контент через несколько AI-агентов (каждый агент специализируется на задачах, таких как редактирование или написание сценариев), в то время как агент стратегий выполняет руководящие принципы.
Что касается инновационной модели, AMMO использует свою уникальную систему множественных агентов, распределяя различных AI-агентов по различным звеньям, таким как создание контента, контроль качества, выполнения политики и т. д. Благодаря технологии обучения с подкреплением и внедрению механизма человеческой обратной связи, AMMO постоянно оптимизирует процесс создания контента на основе ИИ, повышая качество контента.
А основанная на криптографии система стимулирования позволяет AMMO напрямую перераспределять ценность вкладчикам. Пользователи, предоставляющие обратную связь, взаимодействующие с контентом или иным образом помогающие оптимизировать агентов, получат пропорциональное стимулирование, создавая самоподдерживающийся цикл обратной связи: стимулирующее участие способствует лучшему выводу агентов и воздействует обратно на сеть и ее участников.
Подводя итог, в условиях тенденции множественных агентов в эпоху ИИ, AMMO создал для нас видение и реализацию выравнивания в развитии ИИ, построив мир симбиоза миллиардов людей и ИИ, выровненный с человеком. Кажется, в нынешней сфере ИИ, само выравнивание, будь то для людей или ИИ, в конечном итоге скоординированное синхронное развитие является выгодным результатом для всех сторон, и мы также ожидаем такого будущего сосуществования.















